摘要：对烧结烟气ＮＯｘ生成量进行预测，能为烧结ＮＯｘ源头和过程减排提供有效指导。利用ＢＰ神经网络模型和ＲＢＦ神经网络模型对烧结烟气ＮＯｘ进行了预测，在此基础上结合ＢＰ模型自适应学习能力强和ＲＢＦ模型快速收敛的特性，采用优化模型结构、设立连接层的方法，构建ＲＢＦ－ＢＰ混合神经网络模型进行了ＮＯｘ预测研究，并对３种模型的预测结果进行了对比分析。研究表明，３种神经网络模型中，ＲＢＦ－ＢＰ混合模型的均方根误差为１１．３７ｍｇ／ｍ３，平均绝对误差为７．１４ｍｇ／ｍ３，最大绝对误差为３５．４７ｍｇ／ｍ３，最小绝对误差为０．００８　３ｍｇ／ｍ３，各评价指标均为３种模型中最优，混合神经网络模型的预测数据稳定性更好，结果拟合程度更高且收敛速度最快。采用混合模型预测ＮＯｘ能有效消除烟气ＮＯｘ生成量反馈延迟。关键词：ＲＢＦ神经网络；ＢＰ神经网络；烧结烟气；氮氧化物；预测 下载高清全文——基于RBF_BP混合神经网络的烧结烟气NO_x预测.pdf